（1）不使用GPU的安装
方案1：使用prebuilt binary包。
对于Windows和OS X（Mac）用户，MXNet提供了prebuilt binary包。该包每周更新，在R控制台安装prebuilt binary包命令：
install.packages（＂drat＂，repos=＂https：//cran.rstudio.com＂）
drat：：：addRepo（＂dmlc＂）
install.packages（＂mxnet＂）
方案2：根据源代码创建Library。
步骤1.创建共享Library：根据MXNet C++源代码创建共享Library。
步骤2.执行下面命令安装MXNet依赖软件并创建MXNetR包：
Rscript-e＂install.packages′（devtools′，repo=′https：//cran.rstudio.com′）＂
cd R-package
Rscript-e＂library（devtools）；library（methods）；
options（repos=c（CRAN=′https：//cran.rstudio.com′））；install_deps（dependencies=
TRUE）＂
cd..
makerpkg
注：R-package在MXNet中是个文件夹。
下面的命令创建MXNetR包为“tar.gz”文件：
R CMD INSTALLmxnet_0.7.tar.gz(www.xing528.com)
（2）使用GPU的安装
为了使用GPU安装MXNet，需求如下：
● Microsoft Visual Studio 2013；
● NVidia CUDA Toolkit；
● MXNet package；
● CuDNN（提供Deep Neural Network库）。
从https：//github.com/dmlc/mxnet/下载的MXNet包是“∗.zip”文件，需要解压到＂/mxnet/R-package＂文件夹内。
从https：//github.com/dmlc/mxnet/releases下载最新的GPU-enabled MXNet包，解压到“/nocudnn”文件夹内。
下载并安装CuDNN V3。网络获取下载链接，需要注册为NVIDIA用户，解压后将看到三个文件夹“/bin”“/include”和“/lib”，复制到“nocudnn/3rdparty/cudnn/”，也可以直接解压∗.zip文件到“/nocudnn”。
创建文件夹R-package/inst/libs/x64。MXNet只支持64位操作系统，复制以下（.dll）文件到R-package/inst/libs/x64内（共11个）：
1）nocudnn/lib/libmxnet.dll。
2）文件夹nocudnn/3rdparty/directory下的∗.dll。
3）文件夹/bin下的cudnn.dll和openblas.dll。
复制“nocudnn/include/”下文件到R-package/inst/。这时有了R-package/inst/include/等三个子文件夹。
确保R的安装路径已在环境变量PATH中。
执行R CMD INSTALL——no-multiarch R-package。
注：MXNet库是用Rcpp建立的。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
